Sistemas
inteligentes y
representación del
conocimiento
Tema 1. Sistemas inteligentes
Sistemas
inteligentes y
representación del
conocimiento
Tema 1. Sistemas inteligentes
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
2
© Copyright Universidad Europea. Todos los derechos reservados.
Índice
1. Presentación ........................................................................... 3
2. ¿Qué es la inteligencia? .............................................................. 3
3. Definiciones de inteligencia artificial (IA) ........................................ 4
4. Pensar como un humano ............................................................. 5
5. Pensamiento racional ................................................................. 6
6. Humanidad: actuar como humanos ................................................. 7
7. Actuar de forma racional ............................................................ 8
8. Breve contextualización histórica .................................................. 9
9. Ejemplos de aplicación ............................................................. 10
10. Sistemas inteligentes .............................................................. 12
11. Resumen ............................................................................ 12
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
3
© Copyright Universidad Europea. Todos los derechos reservados.
1. Presentación
Hoy la “inteligencia artificial” es un concepto popular que, en mayor o menor medida,
todos hemos leído, escuchado y utilizado. Son muchas las noticias que hacen referencia
al tema, muchos los libros o las películas cuyos argumentos versan sobre ella y muchos
quienes imaginan nuestro futuro rodeados de robots inteligentes.
Al hablar de sistemas inteligentes (SS. II.) podemos pensar que se trata,
sencillamente, de sistemas informáticos inteligentes, es decir, que hacen uso de la
inteligencia artificial. Como una primera aproximación podría valer, pero tal vez sea
demasiado simplista. En realidad, existen muchos matices, y precisamente en este
tema trataremos de descubrirlos.
Para ello primero trataremos de definir qué es la inteligencia, estudiaremos diferentes
acepciones de inteligencia artificial, veremos un breve contexto histórico de esta
disciplina. Ubicaremos a los sistemas inteligentes dentro de ella y enunciaremos
algunos ejemplos de aplicación.
2. ¿Qué es la inteligencia?
Hay quien dice que la inteligencia es la habilidad de los seres vivos de utilizar
herramientas
para
alcanzar
un
objetivo. Así pues, el alimoche es un ser
inteligente. El alimoche es un ave rapaz
que, para poder comerse un huevo, es
capaz de romperlo utilizando una
piedra. Con las piedras también las
nutrias abren las almejas en la bahía de
Monterey.
El cuervo de Hawái utiliza finos palitos
para poder alcanzar comida en lugares
inaccesibles. Y los chimpancés hacen lo mismo para que las termitas o las hormigas
trepen por ellos y así darse un buen festín. ¿Quiere decir que todos estos animales son
inteligentes?
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
4
© Copyright Universidad Europea. Todos los derechos reservados.
Según la Real Academia Española, la inteligencia puede entenderse como la
“capacidad de entender o comprender”. Sin embargo, existen varias acepciones más,
incluido la de inteligencia artificial que estudiaremos más adelante, tal y como
podemos ver en la figura:
Figura 1. Inteligencia. Fuente: http://www.rae.es/
3. Definiciones de inteligencia artificial (IA)
La inteligencia artificial como disciplina se ha definido, también, de múltiples maneras
desde que se acuñó el término a mediados del siglo XX. En general, ha tratado de
definirse de diferentes formas en función del aspecto en el que se pusiese el foco. Así,
podríamos destacar ocho definiciones en base a los cuatro enfoques tradicionales
según los cuales pretende establecerse el vínculo con la inteligencia humana (Russel y
Norvig, 2004):
1. Razonamiento, entendido desde la emulación de los procesos mentales del ser
humano.
2. Conducta, atendiendo al estudio de la manera de comportarse de las personas.
3. Humanidad, desde el punto de vista de la fidelidad al comportamiento humano.
4. Racionalidad, desde la perspectiva de comportamiento correcto ideal.
Combinando estas tendencias, tendríamos las ocho definiciones que mencionadas
anteriormente:
•
Humanidad + razonamiento
o Sistemas que piensan como humanos:
–
“El nuevo y excitante esfuerzo de hacer que los ordenadores piensen.
Máquinas con mentes, en el más amplio sentido literal” (Haugeland,
1985).
–
“Automatizar las actividades que asociamos con procesos de pensamiento
humano: tomar decisiones, resolver problemas, aprender, etc.” (Bellman,
1978).
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
5
© Copyright Universidad Europea. Todos los derechos reservados.
•
Humanidad + conducta
o Sistemas que actúan como humanos:
–
“El arte de desarrollar máquinas con capacidad para realizar funciones
que, cuando son llevadas a cabo por personas, requieren de inteligencia”
(Kurzweil, 1990).
–
“El estudio de cómo lograr que los ordenadores hagan tareas que, por
ahora, los humanos hacen mejor” (Rich y Knight, 1991).
•
Racionalidad + razonamiento
o Sistemas que piensan racionalmente:
–
“El estudio de las facultades mentales mediante el uso de modelos
computacionales” (Charniak y McDermott, 1985).
–
“El estudio de los cálculos que hacen posible percibir, razonar y actuar”
(Winston, 1992).
•
Racionalidad + conducta
o Sistemas que actúan de manera racional:
–
“El estudio del diseño de agentes inteligentes” (Poole et al., 1998).
–
“[El estudio de] Conductas inteligentes en artefactos” (Nilsson, 1998).
Para terminar, y al margen de todo lo anterior, no debemos olvidar la definición de la
Real Academia Española sobre inteligencia artificial:
“f. Inform. Disciplina científica que se ocupa de crear programas
informáticos que ejecutan operaciones comparables a las que realiza la
mente humana, como el aprendizaje o el razonamiento lógico.”
4. Pensar como un humano
Para poder programar un sistema que piense como un humano, antes es necesario
conocer cómo pensamos los humanos. Así podríamos tratar de crear un sistema capaz
de emular dichos procesos. Tradicionalmente han existido dos maneras de enfocar este
estudio: la introspección y la experimentación
psicológica.
•
Introspección: la introspección consiste en la
observación de uno mismo, de los propios actos
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
6
© Copyright Universidad Europea. Todos los derechos reservados.
o estados de ánimo, con el objetivo de reflexionar sobre ellos.
•
La
experimentación
psicológica:
la
experimentación
psicológica
trata
de
explicar los fenómenos psicológicos (y el
pensamiento como en última instancia) a
través del método experimental, es decir,
mediante la observación, la manipulación y
el registro de las variables que intervienen
en el objeto a estudiar.
En el dominio de la inteligencia artificial se aplicó la ciencia cognitiva. Así, se
combinaban modelos de inteligencia artificial con experimentos psicológicos, con el
objetivo de tratar de formular teorías que explicasen cómo pensamos.
Si se lograse enunciar una teoría precisa, esta podría llegar a ser reformulada como un
algoritmo y, por tanto, este se podría escribir como un programa informático.
La idea que subyacía tras todo esto era relativamente sencilla: si la entrada y la salida
del programa y los tiempos de respuesta eran similares a los que se tendría en el caso
de trabajar con un ser humano, los mecanismos del programa se podrían comparar con
los que usamos los humanos y, de esta manera, se podría llegar a asegurar que el
sistema que ejecuta tal programa es inteligente.
5. Pensamiento racional
Aristóteles fue el primero en tratar de representar la manera correcta de pensar. Para
ello se ayudó de los silogismos: modelos que trataban de representar las estructuras
correctas de argumentación. Básicamente se trataba de formas de razonamiento
deductivo, que contaban con una premisa mayor, una premisa menor y una conclusión.
Un silogismo correcto:
•
Premisa mayor: “Todos los hombres son mortales”.
•
Premisa menor: “Sócrates es un hombre”.
•
Conclusión: “Sócrates es mortal”.
Un silogismo erróneo:
•
Premisa mayor: “Todos los andaluces son españoles”.
•
Premisa menor: “Algunos españoles son gallegos”.
•
Conclusión: “Algunos andaluces son gallegos”.
Durante los siglos XIX y XX se trató de desarrollar una notación precisa y, a partir de
ella, poder codificar programas. La idea era que, gracias a la notación, se podían
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
7
© Copyright Universidad Europea. Todos los derechos reservados.
definir sentencias lógicas sobre cualquier objeto. Tras esto, los programas codificados
siguiendo esta notación resolvían cualquier problema que tuviera solución. ¿Cuál era
el problema? Que la notación lógica era muy formal, con lo que no era sencillo realizar
a través de ella una transformación del conocimiento.
6. Humanidad: actuar como humanos
En 1950, en su artículo “Computing Machinery and Intelligence”, Alan Turing planteaba
una prueba de habilidad llamada “El juego de la imitación”. En él, tres personas (A, B
y C) intercambiaban por turnos preguntas y respuestas en base a las siguientes
características:
•
Jugador A: un hombre cuya misión es que el jugador C no logre su objetivo.
•
Jugador B: una mujer cuya misión es ayudar al jugador C a alcanzar su objetivo.
•
Jugador C: un hombre o una mujer, es indiferente, pero tiene por objetivo
averiguar cuál de los dos anteriores es el hombre y cuál la mujer.
El jugador C hace las veces de interrogador, y no puede ver a las otras dos personas.
Se comunica con ellas de cualquier manera que no le permita adivinar su sexo: por
ejemplo, a través de notas, de un intermediario, etc.
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
8
© Copyright Universidad Europea. Todos los derechos reservados.
Una de las claves de Turing fue que en lugar de tratar de responder a la pregunta de
“¿pueden las máquinas pensar?”, se propuso cambiar
el foco, tratando de responder a la cuestión de si las
máquinas podían hacer lo mismo que las personas,
como seres pensantes que nosotros somos.
Para ello, se sirvió del anterior juego de imitación,
pero introduciendo una variante: el jugador A sería
una máquina. De esta manera, si el jugador C no era
capaz de determinar que el jugador A era una
máquina, entonces esto era porque aquella era
inteligente.
Para poder enfrentarse al test con un mínimo de
garantías, el sistema artificial debería poseer al
menos las siguientes capacidades:
1. Procesamiento del lenguaje natural (PLN), para poder comprender las
preguntas del interrogador y poder expresarse de manera correcta.
2. Representación de conocimiento: para poder almacenar lo que conoce o siente.
3. Razonamiento automático: para poder extraer nuevas conclusiones y formular
respuestas a partir de la información ya almacenada.
4. Aprendizaje automático: para analizar y poder extraer patrones a partir de los
datos históricos almacenados de otras partidas.
7. Actuar de forma racional
Para que un sistema informático pueda entenderse que razona, debe tener ciertas
características que lo diferencian, al menos, de un programa al uso:
•
Controles autónomos.
•
Precepción de su entorno.
•
Capacidad para perdurar en el tiempo.
•
Capacidad de adaptarse al cambio.
•
Capacidad de alcanzar objetivos diferentes.
Un sistema racional es aquel capaz de alcanzar el mejor resultado posible en todo
momento. Es decir, a pesar de tener un objetivo principal claramente marcado, estos
sistemas deben ser capaces de discernir si se encuentran en una situación donde tal
objetivo sea inalcanzable y, por tanto, decidir optar por una acción de menor
beneficio, pero beneficiosa, al fin y al cabo.
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
9
© Copyright Universidad Europea. Todos los derechos reservados.
8. Breve contextualización histórica
A continuación, haremos un breve resumen, muy esquemático también, de los
principales hitos dentro de la historia de la Inteligencia Artificial (IA).
1. El génesis de la IA (1943-1955).
o En 1943 se registra el primer trabajo de IA. McCulloch y Pitts proponen un
modelo construido con neuronas artificiales. Poco después (1949) Hebb
plantearía una sencilla regla de actualización (aún hoy vigente).
o 1950. El test de Turing.
o 1951. Se simula la primera red neuronal (SNARC, por Minsky y Edwards).
2. Nace la inteligencia artificial: en 1956 McCarthy organiza, junto con otros
investigadores, un taller (workshop) en el Dartmouth College. El objetivo: la
investigación en aspectos tales como el estudio de la inteligencia, la teoría de
autómatas o las redes neuronales, entre otros. Solo asistieron 10 personas, pero
se acordó usar el término de inteligencia artificial.
3. Inicios prometedores
o Nadie confiaba que realmente pudieran realizarse tareas inteligentes de
forma artificial. Sin embargo, los investigadores lograban resolver todas las
tereas que se proponían.
o Como ejemplo destacado, en 1952 Arthur Samuel escribe una serie de
programas que aprendieron a jugar a las damas a un nivel amateur, superior
incluso que el de su creador.
o En 1958. McCarthy desarrolla Lisp, que llegaría a ser el lenguaje más
utilizado en inteligencia artificial.
o En 1962 Rosenblatt amplía los modelos de redes neuronales de Hebb, gracias
a su teorema del perceptrón.
4. La cruda realidad: los éxitos cosechados llevan a los investigadores a un estado
de confianza excesiva, llegando a hacer aseveraciones que el tiempo
demostraría que fueron demasiado ambicionas, como el hecho de que una
máquina llegaría a vencer a un campeón de ajedrez en apenas 10 años (algo
que realmente se conseguiría en 40 años).
Los primeros sistemas fallaron escandalosamente al aplicarse a entornos más
variados o complicados: había poco conocimiento del problema y en muchos
casos los problemas no eran abordables. Hasta entonces las primeras soluciones
se habían obtenido basándose en problemas experimentales y dentro de
dominios reducidos y controlados (micromundos).
5. Sistemas basados en el conocimiento (1969-1979): durante la primera década
de su existencia, la inteligencia artificial se había centrado en el desarrollo de
mecanismos de búsqueda de propósito general.
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
10
© Copyright Universidad Europea. Todos los derechos reservados.
Como alternativa a este enfoque se comenzó a trabajar utilizando conocimiento
específico del dominio. Esta sería la base de los sistemas basados en el
conocimiento.
Uno de los más destacados fue MYCIN, un sistema experto capaz de ofrecer
diagnósticos sobre infecciones sanguíneas tan buenos como los de un médico.
6. La IA se convierte en industria (1980–hoy): 1982. Sistema R1 (McDermott):
fue el primer sistema experto comercial que triunfó. Se utilizaba en la creación
de pedidos de nuevos sistemas informáticos. En 1986 hacía ahorrar a su
empresa 40 millones de dólares al año.
La industria creció rápidamente y, de representar unos escasos millones a
principios de los 80, sus cifras crecieron hasta los billones de dólares antes de
acabar esa misa década.
Destaca también el hecho de que se dejó de crear nuevas estrategias, y se
comenzó a desarrollar y mejorar lo que se había descubierto. Así, comenzaron
a asentarse y desarrollarse con mayor fuerza disciplinas como el procesamiento
del lenguaje natural (PLN), la minería de datos, la robótica, el aprendizaje
automático, los sistemas de recomendación, etc.
9. Ejemplos de aplicación
•
Sistemas de planificación autónomos: Google Maps.
•
Vehículos autónomos:
o DARPA Grand Challenge es una
carrera
de
vehículos
autónomos que se celebró por
primera
vez
en
2004.
El
objetivo es que el coche viaje
desde un punto A hasta otro B
sin intervención humana de
ninguna clase, debiendo pasar
por
una
serie
de
puntos
intermedios. El año de su
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
11
© Copyright Universidad Europea. Todos los derechos reservados.
primera edición, ningún coche logró terminar. Stanley fue el ganador de la
edición del año siguiente.
o En esta categoría, tal vez el máximo representante sea Tesla Inc. Su objetivo
es poder producir vehículos autónomos de nivel 5, es decir, aquellos que no
necesitarían de un conductor, por lo que incluso carecerían de volante y
pedales. Como resultado, sus coches ya incorporan cámaras que les otorgan
una visión de 360 grados, y controlan un área superior a los 250 metros a la
redonda. Además, cuentan con múltiples sensores y radares, lo que, en
palabras de Elon Musk, fundador de la compañía, permite que el vehículo
“tenga una visión del mundo a la que un humano jamás podría llegar”.
•
Visión artificial: El sistema SEGVAUTO II (Sistema
de Alerta y Control de Accidentes en Transporte por
Carretera) era un proyecto participado por la
Universidad Europea de Madrid. Tenía por objetivo
la mejora de la seguridad activa y pasiva de los
vehículos, así como la asistencia de la conducción y
la
interacción
entre
el
automóvil
y
la
infraestructura. Parte del trabajo desarrollado por
la universidad consistió en la detección de señales
de tráfico, líneas de la calzada, etc., y la
implementación de las alertas asociadas.
•
Juegos y videojuegos:
o Deep Blue (IBM, 1997) fue el primer ordenador en ganar una partida de
ajedrez a un campeón del mundo vigente, Gary Kasparov, aunque terminase
perdiendo el torneo por un total de 4-2.
o La IA continúa evolucionando el mundo de los videojuegos, ayudando a
hacerlos cada vez más reales y (supuestamente) más interesantes.
•
Robótica: Roomba, el aspirador robótico de iRobot, cuenta con sensores de
contacto con paredes y muebles, infrarrojos y sensores de suciedad.
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
12
© Copyright Universidad Europea. Todos los derechos reservados.
10. Sistemas inteligentes
Llega el momento de terminar, dando una definición más formal de lo que
entenderemos por un sistema inteligente. Tras todo lo que hemos estudiado sobre la
inteligencia artificial, sus definiciones y su contexto histórico, resultará más fácil
detectar los matices que nos harán ver que, en realidad, inteligencia artificial y
sistema inteligente no son la misma idea, y que, efectivamente, estos últimos forman
parte de la gran disciplina que hemos visto que es la IA.
Así pues, diremos que un sistema inteligente es un sistema informático que aprende
a lo largo de su existencia (por tanto, requiere de una memoria) en un entorno que
percibe gracias a sus sentidos y en el que debe actuar para tratar de alcanzar un
objetivo, intentando mejorar su rendimiento y eficiencia.
Para todo esto, los sistemas inteligentes (SS. II.) deben poseer las siguientes
capacidades:
1. Inteligencia.
2. Objetivo definido.
3. Capacidad sensorial, para percibir su entorno.
4. Conceptualización: deben ser capaces de crear conceptos (abstracciones)
sobre aquello que perciben.
5. Reglas de acción, que definen la manera de actuar sobre el entorno con la
intención última de acercarse cada vez más al objetivo que tienen prefijado.
6. Memoria: para almacenar conceptos y reglas de actuación, otorgando así
experiencia al sistema.
7. Capacidad de aprendizaje:
o Aprender conceptos a partir de sus sentidos.
o Aprender reglas de acción en base a su experiencia.
o Aprender al establecer relaciones entre los datos almacenados a lo largo de
su historia, para intentar detectar patrones que le hagan actuar de una
manera u otra.
11. Resumen
En este tema hemos aprendido que inteligencia artificial y sistema inteligente no son
lo mismo. Que este último es una pequeña parte dentro de la gran disciplina científica
que representa la IA en sí misma. Hemos visto diferentes acepciones de inteligencia
artificial, desde la que nos recomienda la Real Academia Española hasta la que sugería
allá por 1950 Alan Turing a través de su conocido test. Hemos tratado de entender
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
13
© Copyright Universidad Europea. Todos los derechos reservados.
mejor cómo nació y evolucionó la IA, que tampoco es tan antigua ni tampoco tan cerca
de la ciencia ficción como estemos acostumbrados a ver y leer en los medios.
Por último, hemos visto algunos ejemplos reales de aplicación, y hemos terminado
dando una definición más precisa de sistema inteligente.
Sistemas inteligentes y representación del conocimiento
Tema 1. Sistemas inteligentes
14
© Copyright Universidad Europea. Todos los derechos reservados.
© Todos los derechos de propiedad intelectual de esta
obra pertenecen en exclusiva a la Universidad Europea
de Madrid, S.L.U. Queda terminantemente prohibida la
reproducción, puesta a disposición del público y en
general cualquier otra forma de explotación de toda o
parte de la misma.
La utilización no autorizada de esta obra, así como los
perjuicios ocasionados en los derechos de propiedad
intelectual e industrial de la Universidad Europea de
Madrid, S.L.U., darán lugar al ejercicio de las acciones
que legalmente le correspondan y, en su caso, a las
responsabilidades que de dicho ejercicio se deriven.
